Longformer: Longitudinal Transformer for Alzheimer’s Disease Classification with Structural MRIs

要約

構造的磁気共鳴画像法 (sMRI) は、脳神経疾患の診断に広く使用されています。
アルツハイマー病 (AD) の診断に臨床的に使用されるように、縦方向の MRI は、疾患の進行を監視およびキャプチャするために収集されることがよくあります。
ただし、現在のほとんどの方法は、AD の進行性を無視しており、AD を認識するために単一の sMRI のみを使用しています。
本稿では、AD 識別のための被験者の縦方向の MRI を活用する問題を検討します。
sMRI の縦方向の変化をキャプチャするために、新しいモデル Longformer を提案します。これは、各時点で sMRI に対して空間的に注意メカニズムを実行し、脳領域の特徴を経時的に統合して分類用の縦方向の埋め込みを取得する時空間変換ネットワークです。
当社の Longformer は、ADNI データセットを使用して AD の異なる段階を分離する 2 つのバイナリ分類タスクで最先端のパフォーマンスを実現します。
ソース コードは https://github.com/Qybc/LongFormer で入手できます。

要約(オリジナル)

Structural magnetic resonance imaging (sMRI) is widely used for brain neurological disease diagnosis; while longitudinal MRIs are often collected to monitor and capture disease progression, as clinically used in diagnosing Alzheimer’s disease (AD). However, most current methods neglect AD’s progressive nature and only take a single sMRI for recognizing AD. In this paper, we consider the problem of leveraging the longitudinal MRIs of a subject for AD identification. To capture longitudinal changes in sMRIs, we propose a novel model Longformer, a spatiotemporal transformer network that performs attention mechanisms spatially on sMRIs at each time point and integrates brain region features over time to obtain longitudinal embeddings for classification. Our Longformer achieves state-of-the-art performance on two binary classification tasks of separating different stages of AD using the ADNI dataset. Our source code is available at https://github.com/Qybc/LongFormer.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google